西華師范大學(xué)電子信息工程學(xué)院　葛小鳳

駕駛環(huán)境下的人臉定位算法研究

西華師范大學(xué)電子信息工程學(xué)院葛小鳳

針對駕駛室背景、光照和多姿態(tài)條件下難以準(zhǔn)確定位人臉問題，本文提出基于YCbCr和HSV色彩空間相結(jié)合的膚色檢測來實現(xiàn)人臉定位。利用拍攝視頻圖片進(jìn)行實驗，結(jié)果表明該方法在駕駛環(huán)境下有較好的檢測效果。

人臉定位；膚色檢測；駕駛環(huán)境

0　引言

隨著社會的快速發(fā)展，汽車已成為日常生活中的必不可少的交通工具，隨之而來的駕駛安全問題日益嚴(yán)峻。因此，如何采取及時有效的疲勞預(yù)警成為當(dāng)前亟待解決的問題。

國內(nèi)外許多專家學(xué)者投入到了疲勞預(yù)警系統(tǒng)的研究中，其中PERCLOS系統(tǒng)監(jiān)測是最具研究意義的，它根據(jù)眼睛在單位時間的總閉合時間占整個檢測時間來判斷疲勞狀態(tài)［1］。而能否準(zhǔn)確有效的檢測駕駛員狀態(tài)的前提是精確的人臉定位。

在對現(xiàn)有流行的人臉檢測方法進(jìn)行分析比較的基礎(chǔ)上，提出了一種適合駕駛環(huán)境下實時、準(zhǔn)確的基于膚色空間的人臉定位算法。

1　預(yù)處理

為得到最佳的實驗效果，首先進(jìn)行預(yù)處理。

1.1尺寸歸一化

由于采集到的視頻圖像內(nèi)存過大，不便系統(tǒng)的后續(xù)處理，所以指定將原圖像尺寸歸一化，輸出為64*64大小的圖片。

本文采用雙線性插值進(jìn)行縮放，它是對最近鄰法的改進(jìn)。根據(jù)（x，y）4個相鄰點的灰度，在x和y方向進(jìn)行插值，得到雙曲拋物面方程［2］：

由此雙曲拋物面與四個相鄰已知點進(jìn)行擬合運算。

圖1　雙線性插值示意圖

雙線性插值考慮了（x，y）點的直接零點對它的影響，所以能取得令人滿意的效果［2］。

1.2直方圖均衡化光照處理

在駕駛過程中，光照的改變是影響人臉定位的主要原因之一。因此，通過修改直方圖可以調(diào)整圖像的灰度分布，消除光照影響。

對于離散圖像，設(shè)總像素為N，灰度級L個，第k個灰度級值為rk，具有灰度級rk的像素數(shù)目為nk，那么，該圖像中灰度級rk的像素出現(xiàn)的概率［3］：

對圖像進(jìn)行均衡化處理的變換函數(shù)為：

2　膚色檢測

對YCbCr和HSV色彩空間進(jìn)行膚色統(tǒng)計，建立高斯模型和膚色范圍模型，檢測皮膚。此方法可以有效避免背景的影響。

2.1高斯模型

研究表明，人類膚色變化主要是由皮膚顏色亮度引起，而人臉膚色在YCbCr色度空間服從高斯分布，所以YCbCr 顏色空間是離散的膚色表示空間，具有較好的聚類性［4］。

一般，我們都是將圖像信息儲存在RGB顏色空間中，RGB轉(zhuǎn)換成YCbCr 顏色空間的公式為：

將圖片從RGB轉(zhuǎn)換到Y(jié)CrCb空間，根據(jù)像素點離高斯分布中心的遠(yuǎn)近得到膚色似然圖，越靠近膚色灰度值越高。每個像素的灰度對應(yīng)該點與膚色的相似度，計算公式：

其中m為均值，C為協(xié)方差矩陣。

由于人工閾值選取有很大的人為性，并不準(zhǔn)確，所以本文采取最大類間方差法進(jìn)行圖像二值化處理，此方法可以自動選取最有效的閾值將背景和目標(biāo)分離開。設(shè)一幅圖像的灰度值為1～M級，K為閾值，將像素分為兩組兩組間的方差如式：

2.2膚色范圍模型

膚色范圍模型是最基本的膚色模型，主要是利用膚色在色彩空間中表示色彩的變量的范圍固定這一特點設(shè)定閾值，將滿足該閾值條件的像素區(qū)域標(biāo)定為膚色區(qū)域［5］。

通過對需要實驗的多幅不同光照的彩色人臉圖像進(jìn)行統(tǒng)計，得到能廣泛包括膚色的YCrCb和HSV顏色空間范圍：

那么將滿足這個范圍的像素置1，其他置0，就能得到皮膚區(qū)域的二值圖像。

考慮駕駛室環(huán)境，所以本文采用高斯模型和膚色模型相結(jié)合，得到更準(zhǔn)確的皮膚分割二值圖像。白色代表人臉候選區(qū)，黑色為背景。

2.3 形態(tài)濾波

根據(jù)前面對膚色的聚類分析，我們知道膚色區(qū)域是連續(xù)的整塊，而背景通常是孤立小塊。對于上面進(jìn)行皮膚檢測得到的圖像，存在一些孤立的小區(qū)域或是假皮膚區(qū)。

對其利用數(shù)學(xué)形態(tài)學(xué)中的開運算進(jìn)行處理。開運算的定義為：

A為二值圖像，B為設(shè)置的結(jié)構(gòu)元素，實質(zhì)是A先被B腐蝕，再被B膨脹的結(jié)果。利用開運算能很好去除這些孤立小區(qū)域，同時還可去除背景噪聲，如椒鹽噪聲。但是仍然殘留一小部分，需再次進(jìn)行區(qū)域填充，消除圖像中殘留的“空洞”。

3　人臉檢測

經(jīng)過形態(tài)濾波后的二值圖像進(jìn)行8連通區(qū)域標(biāo)記（連接關(guān)系如圖所示）。標(biāo)記前的二值圖像，標(biāo)記之后每個白像素的值是所屬區(qū)域的標(biāo)號（1，2，…L），L是二值圖像中白像素區(qū)域的數(shù)目［6］。再對這L個白像素區(qū)矩形框圈定，根據(jù)區(qū)域優(yōu)化方法準(zhǔn)確定位人臉區(qū)域。

圖2　像素的八連接關(guān)系

根據(jù)大量實驗統(tǒng)計，我們認(rèn)為，只要該人臉候選區(qū)的高寬比在0.6到1.8之間，就認(rèn)為該區(qū)域可能為人臉，否則去除該區(qū)域。通過基于人臉高寬比條件的排查，可以將除人臉外的其他膚色區(qū)域去除，如脖子，手臂和手等裸露在外面的身體部位?；蛘呤侨コc皮膚相似的區(qū)域，為最后的精確定位提供保證。

（2）基于面積占有率

一般情況下，當(dāng)候選區(qū)的面積小于整幅圖片面積的0.1%時，判定它是背景噪聲。根據(jù)統(tǒng)計，對于駕駛室環(huán)境下的圖像，面部所占比例為整幅圖像5%以上。所以，候選區(qū)面積小于整幅圖片面積的5%時，就剔除該候選區(qū)。

本文是將兩種區(qū)域優(yōu)化方法結(jié)合，既要滿足人臉高寬比，又要滿足面積占有率，更能準(zhǔn)確進(jìn)行人臉定位。

4　檢測結(jié)果分析

本文采用的膚色區(qū)域優(yōu)化方法主要有兩種：

（1）基于人臉高寬比

有資料顯示，理想的人臉高度與寬度的比例為：

互聯(lián)網(wǎng)下載和采集大量駕駛環(huán)境視頻，主要分為正面、45°側(cè)臉和90°側(cè)臉三種姿態(tài)進(jìn)行實驗，實驗數(shù)據(jù)如表1所示。

表1　人臉檢測定位實驗數(shù)據(jù)

我們從表1的實驗數(shù)據(jù)發(fā)現(xiàn)，正面和45°側(cè)臉準(zhǔn)確率都能達(dá)到95%以上，檢測效果較好，雖然90°側(cè)臉正確率不高，但是在駕駛狀態(tài)下這個姿態(tài)的發(fā)生概率很小，可不予理睬。綜合上述，結(jié)果表明該方法在不同姿態(tài)和駕駛背景下有較好的檢測效果。但是，該方法卻沒有考慮夜間模式或強(qiáng)光照的影響，檢測樣本數(shù)量有限且單一，所以駕駛環(huán)境下的精確人臉定位還需進(jìn)一步探索和研究。

［1］金璐.基于圖像處理的疲勞駕駛檢測技術(shù)研究［D］.武漢工程大學(xué)碩士學(xué)位論文，2014.

［2］謝鳳英.數(shù)字圖像處理及應(yīng)用［M］.北京：電子工業(yè)出版社，2014 .

［3］董長虹.Matlab圖像處理與應(yīng)用［M］.北京：國防工業(yè)出版社，2004.

［4］盛敬.駕駛員疲勞監(jiān)控系統(tǒng)中人臉檢測與識別研究［D］.東北大學(xué)碩士學(xué)位論文，2006

［5］林欣.基于改進(jìn)膚色模型的AdaBoost人臉檢測算法研究［D］.陜西科技大學(xué)碩士學(xué)位論文，2015.

［6］陳虹宇.駕駛員面部檢測與定位方法［D］.重慶大學(xué)碩士學(xué)位論文，2005.

葛小鳳（1991—），女，四川自貢人，西華師范大學(xué)電子信息工程學(xué)院碩士研究生，主要從事電子信息技術(shù)的研究。